基于气象因素的机场进离港延误预测

作     者：姜雨 袁琪 胡志韬 吴薇薇 顾欣 JIANG Yu;YUAN Qi;HU Zhitao;WU Weiwei;GU Xin

作者机构：南京航空航天大学民航学院江苏南京211106 北京工业大学北京市交通工程重点实验室北京100124 

出 版 物：《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期：2023年第45卷第6期

页      面：1722-1731页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 

基　　金：国家自然科学基金(U1933118 U2033205)资助课题 

主　　题：机场延误预测 图卷积神经网络 气象因素 机场网络 深度学习 

摘      要：针对机场延误预测过程中难以提取延误传播时空特征、预测结果受天气扰动大的问题,提出了基于气象因素的时空图卷积网络(meteorology-based spatio-temporal graph convolutional networks, MSTGCN)机场延误预测模型。该模型使用图卷积神经网络(graph convolutional neural network, GCNN)与门控卷积神经网络(gated convolutional neural network, Gated CNN)挖掘机场延误的时空特征,同时加入气象特征提取模块对机场延误时间进行预测。实验结果表明,该模型在中短时预测上的表现均优于其他对比模型;相较于不考虑气象因素的模型,MSTGCN对未来1 h、4 h和12 h预测的平均绝对误差分别降低了7.03%,7.93%,11.54%,对预测结果起到了极大的修正作用。